初学者应该如何从零开始学习人工智能
此文是想要进入人工智能这个领域、但不知道从哪里开始的初学者最佳的学习资源列表。机器学习
有关机器学习领域的最佳介绍，请观看Coursera的AndrewNg机器学习课程。它解释了基本概念，并让你很好地理解最重要的算法。
有关ML算法的简要概述，查看这个TutsPlus课程“MachineLearningDistilled”。
“ProgrammingCollectiveIntelligence”这本书是一个很好的资源，可以学习ML算法在Python中的实际实现。它需要你通过许多实践项目，涵盖所有必要的基础。
这些不错的资源你可能也感兴趣:
PererNorvig的UdacityCourseonML（MLUdacity课程）
TomMitchell在卡梅隆大学教授的AnothercourseonML（另一门ML课程）
YouTube上的机器学习教程mathematicalmonk
深度学习
关于深度学习的最佳介绍，我遇到最好的是DeepLearningWithPython。它不会深入到困难的数学，也没有一个超长列表的先决条件，而是描述了一个简单的方法开始DL，解释如何快速开始构建并学习实践上的一切。它解释了最先进的工具（Keras，TensorFlow），并带你通过几个实际项目，解释如何在所有最好的DL应用程序中实现最先进的结果。
在Google上也有一个greatintroductoryDLcourse，还有SephenWelch的greatexplanationofneuralnetworks。
之后，为了更深入地了解，这里还有一些有趣的资源：
GeoffreyHinton的coursera课程“NeuralNetworksforMachineLearning”。这门课程会带你了解ANN的经典问题——MNIST字符识别的过程，并将深入解释一切。
MITDeepLearning（深度学习）一书。
UFLDLtutorialbyStanford（斯坦福的UFLDL教程）
deeplearning.net教程
MichaelNielsen的NeuralNetworksandDeepLearning（神经网络和深度学习）一书
SimonO.Haykin的NeuralNetworksandLearningMachines（神经网络和机器学习）一书
人工智能
“ArtificialIntelligence:AModernApproach(AIMA)”（人工智能：现代方法）是关于“守旧派”AI最好的一本书籍。这本书总体概述了人工智能领域，并解释了你需要了解的所有基本概念。
来自加州大学伯克利分校的ArtificialIntelligencecourse（人工智能课程）是一系列优秀的视频讲座，通过一种非常有趣的实践项目（训练AI玩Pacman游戏）来解释基本知识。我推荐在视频的同时可以一起阅读AIMA，因为它是基于这本书，并从不同的角度解释了很多类似的概念，使他们更容易理解。它的讲解相对较深，对初学者来说是非常不错的资源。
大脑如何工作
如果你对人工智能感兴趣，你可能很想知道人的大脑是怎么工作的，下面的几本书会通过直观有趣的方式来解释最好的现代理论。
JeffHawkins的OnIntelligence（有声读物）
G?del,Escher,Bach
我建议通过这两本书入门，它们能很好地向你解释大脑工作的一般理论。
其他资源：
RayKurzweil的HowtoCreateaMind（如何创建一个头脑RayKurzweil）(有声读物)。
PrinciplesofNeuralScience（神经科学原理）是我能找到的最好的书，深入NS。它谈论的是核心科学，神经解剖等。非常有趣，但也很长–我还在读它。数学
以下是你开始学习AI需要了解的非常基本的数学概念：
微积分学
KhanAcademyCalculusvideos（可汗学院微积分视频）
MITlecturesonMultivariableCalculus（MIT关于多变量微积分的讲座）
线性代数
KhanAcademyLinearAlgebravideos（可汗学院线性代数视频）
MITlinearalgebravideosbyGilbertStrang（GilbertStrang的MIT线性代数视频）
CodingtheMatrix?（编码矩阵）–布朗大学线程代数CS课程
概率和统计
可汗学院Probability（概率）与Statistics（统计）视频
edxprobabilitycourse（edx概率课程）
计算机科学
要掌握AI，你要熟悉计算机科学和编程。
如果你刚刚开始，我建议阅读DiveIntoPython3（深入Python3）这本书，你在Python编程中所需要的大部分知识都会提到。
要更深入地了解计算机编程的本质–看这个经典的MITcourse（MIT课程）。这是一门关于lisp和计算机科学的基础的课程，基于CS-结构和计算机程序的解释中最有影响力的书之一。
其他资源
Metacademy?–是你知识的“包管理器”。你可以使用这个伟大的工具来了解你需要学习不同的ML主题的所有先决条件。
kaggle?–机器学习平台
以上就是我的观点，对于这个问题大家是怎么看待的呢？欢迎在下方评论区交流~我是科技领域创作者，十年互联网从业经验，欢迎关注我了解更多科技知识！
人工智能的发展时期7个阶段
第一阶段
50年代人工智能的兴起和冷落。人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题、求解程序、LISTP表处理语言等。但由于消解法推理能力的有限以及机器翻译等的失败，使人工智能走入了低谷。这一阶段的特点是：重视问题求解的方法，忽视知识重要性。
第二阶段
60年代末到70年代，专家系统出现，使人工智能研究出现新高潮。DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR探矿系统、Hearsay-Ⅱ语音处理系统等专家系统的研究和开发，将人工智能引向了实用化。并且，1969年成立了国际人工智能联合会议。
第三阶段
80年代，随着第五代计算机的研制，人工智能得到了很大发展。日本1982年开始了”第五代计算机研制计划”，即“知识信息处理计算机系统KIPS”，其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。
第四阶段
80年代末，神经网络飞速发展。1987年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。
第五阶段
90年代，人工智能出现新的研究高潮。由于网络技术特别是国际互连网的技术发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标的分布式问题求解，而且研究多个智能主体的多目标问题求解，使人工智能更面向实用。另外，由于Hopfield多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象。人工智能已深人到社会生活的各个领域。
学人工智能需要哪些基础
人工智能是当下很火的显学，英文缩写为AI。被认为是二十一世纪三大尖端技术之一，其他两个技术是基因工程和纳米科学，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它的目的是了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，时下热炒的大数据和阿尔法GO大战李世石，其背后都有人工智能的影子。
学习人工智能，主要掌握：概率论、数理统计、矩阵论、图论、随机过程、最优化、神经网络、贝叶斯理论、支持向量机、粗糙集、经典逻辑、非经典逻辑、认知心理学，同时也要学习高等数学微积分、线性代数，另外编程工具，例如：matlab，spss，C++或Java也必不可少。
学习人工智能都要了解哪些方面
作为一名计算机专业的教育工作者，我来回答一下这个问题。
首先，人工智能专业属于计算机大类专业之一，虽然是新兴专业，但是由于当前人工智能领域的发展前景比较广阔，同时一系列人工智能技术也进入到了落地应用的阶段，所以当前人工智能专业也是热点专业之一。
人工智能专业有三个特点，其一是多学科交叉，涉及到计算机、数学、控制学、经济学、神经学、语言学等诸多学科，因此整体的知识量还是比较大的，其二是学习难度较大，人工智能本身的知识体系尚处在完善当中，很多领域还有待突破，其三是实践场景要求高。
基于这三个特点，要想在本科阶段有较好的学习效果，要有针对性的解决方案。针对于多学科交叉的情况，在大一期间一定要多做加法，尤其要重视编程语言的学习，基于编程语言来打开计算机技术大门，进而学习机器学习，而机器学习则被称为是打开人工智能技术大门的钥匙。
其二是选择一个自己的主攻方向，围绕该主攻方向来制定学习和科研实践计划。人工智能领域的方向非常多，大的方向就包括nlp、cv、机器学习、机器人学等，选择一个主攻方向会更容易形成突破。从目前的知识体系成熟度和落地应用情况来看，可以重点关注nlp、cv这两个方向。
其三是要重视为自己营造一个较好的交流和实践场景，这对于学习效果有较大的影响，建议在大一、大二期间积极参加人工智能相关的课题组。在选择课题组的时候，要考虑到自己的兴趣爱好、课题周期、实践资源等因素，从这个角度来看，学校的科研资源对于人工智能专业的同学有较大的影响。
我从事教育、科研多年，目前在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以私信我！